pdfMB

OCR PDF

Κάντε ένα σαρωμένο PDF αναζητήσιμο και αντιγράψτε το κείμενό του. Οι σελίδες δείχνουν ακριβώς ίδιες και το αρχείο σας μένει σε αυτή τη συσκευή.

  • Χωρίς ανέβασμαΤο αρχείο σας μένει στη συσκευή σας.
  • Τα δεδομένα γλώσσας κατεβαίνουν μία φοράΚατεβαίνουν μόνο τα δεδομένα ανάγνωσης για τις γλώσσες που επιλέξατε και μένουν σε αυτή τη συσκευή.
  • Δωρεάν, χωρίς εγγραφήΧωρίς λογαριασμό και χωρίς ημερήσιο όριο.

Τι γίνεται με το αρχείο σας

Όλα όσα περιγράφονται παρακάτω γίνονται μέσα στο πρόγραμμα περιήγησής σας, στη δική σας συσκευή. Το PDF ή οι φωτογραφίες σας δεν ανεβαίνουν ποτέ, οπότε κανείς άλλος, ούτε εμείς, δεν μπορεί να τα δει.

  1. Η ανάγνωση κειμένου γίνεται με το Tesseract, μια δωρεάν μηχανή OCR ανοιχτού κώδικα που τρέχει στο πρόγραμμα περιήγησής σας. Φορτώνεται από το ίδιο το pdfMB, όχι από διακομιστή άλλης εταιρείας.
  2. Την πρώτη φορά που χρησιμοποιείτε μια γλώσσα, τα δεδομένα της (από 0,5 έως 3 MB) κατεβαίνουν από το pdfMB και τα κρατά το πρόγραμμα περιήγησης. Αυτή είναι η μόνη λήψη: το αρχείο σας δεν πηγαίνει πουθενά.
  3. Κάθε σελίδα αποδίδεται ως εικόνα στα 300 dpi και διαβάζεται γραμμή προς γραμμή. Οι σελίδες που έχουν ήδη πραγματικό κείμενο παραλείπονται, εκτός αν ζητήσετε το αντίθετο.
  4. Οι λέξεις που βρίσκονται προστίθενται στη σελίδα ως αόρατο κείμενο, ακριβώς πάνω από τις ίδιες λέξεις της εικόνας. Έτσι η αναζήτηση, η επιλογή και η αντιγραφή λειτουργούν σε οποιοδήποτε πρόγραμμα ανάγνωσης PDF.
  5. Τίποτα στις σελίδες δεν ξανασχεδιάζεται ούτε συμπιέζεται ξανά. Το νέο κείμενο προστίθεται στο τέλος του αρχείου και το αρχικό αρχείο μένει μέσα αναλλοίωτο, byte προς byte.
  6. Οι φωτογραφίες μπαίνουν στο PDF όπως είναι (οι φωτογραφίες JPEG δεν συμπιέζονται ξανά) και το κείμενο προστίθεται από πάνω τους.
Εν συντομία
  1. Επιλέξτε PDF ή φωτογραφίες
  2. Ελέγξτε τις γλώσσες
  3. Πατήστε «Ανάγνωση»
  4. Κατεβάστε ή αντιγράψτε το κείμενο

Πώς να κάνετε ένα σαρωμένο PDF αναζητήσιμο

  1. Επιλέξτε ένα PDF ή μία ή περισσότερες φωτογραφίες σελίδων.
  2. Ελέγξτε τις γλώσσες. Η γλώσσα αυτής της σελίδας και τα αγγλικά είναι ήδη επιλεγμένα· προσθέστε όποια άλλη γλώσσα εμφανίζεται στο έγγραφο.
  3. Πατήστε «Ανάγνωση». Οι σελίδες διαβάζονται μία μία και βλέπετε ποια σελίδα διαβάζεται τώρα.
  4. Κατεβάστε το αναζητήσιμο PDF ή αντιγράψτε το κείμενο και αποθηκεύστε το ως αρχείο .txt.

Συμβουλές για καλό αποτέλεσμα

  • Σαρώστε στα 300 dpi, αν ο σαρωτής σας σάς αφήνει να διαλέξετε. Σε χαμηλότερες αναλύσεις τα μικρά γράμματα διαβάζονται δύσκολα.
  • Φωτογραφίστε τις σελίδες ίσιες, από ευθεία και με καλό φως, χωρίς σκιά πάνω στο κείμενο. Το εργαλείο «Σάρωση σε PDF» ισιώνει τις σελίδες για εσάς.
  • Γυρίστε πρώτα σωστά τις σελίδες που είναι πλάγιες ή ανάποδες, με την «Περιστροφή PDF».
  • Επιλέξτε μόνο τις γλώσσες που υπάρχουν πραγματικά στο έγγραφο. Οι επιπλέον γλώσσες κάνουν την ανάγνωση πιο αργή και μπορεί να προσθέσουν λάθη.
  • Τα χειρόγραφα, τα πολύ μικρά γράμματα και οι διακοσμητικές γραμματοσειρές διαβάζονται άσχημα, οπότε ελέγξτε το κείμενο πριν βασιστείτε σε αυτό.

Πότε το χρησιμοποιούν

Σαρωμένα συμβόλαια και επιστολές

Βρείτε ένα όνομα, μια ημερομηνία ή ένα ποσό σε ένα μεγάλο σαρωμένο έγγραφο με Ctrl+F, αντί να διαβάζετε κάθε σελίδα.

Παλιά χαρτιά και αρχεία

Κάντε τους φακέλους με σαρωμένες σελίδες αναζητήσιμους, ώστε ο υπολογιστής σας να βρίσκει ένα έγγραφο από τις λέξεις που περιέχει.

Φωτογραφίες ανακοινώσεων και αποδείξεων

Αντιγράψτε το κείμενο από τη φωτογραφία μιας ανακοίνωσης, ενός μενού ή μιας απόδειξης και επικολλήστε το σε ένα μήνυμα ή σε έναν μεταφραστή.

Έγγραφα σε περισσότερες από μία γλώσσες

Επιλέξτε δύο ή περισσότερες γλώσσες, π.χ. ταϊλανδικά και αγγλικά ή κινεζικά και αγγλικά, και διαβάζονται και οι δύο στην ίδια σελίδα.

Τι δεν μπορεί να κάνει

  • Το OCR κάνει λάθη, ειδικά με θολές φωτογραφίες, μικρά γράμματα, πίνακες και χειρόγραφα. Ελέγχετε πάντα τα ονόματα, τους αριθμούς και τα ποσά που μετράνε.
  • Το κείμενο διαβάζεται σε οριζόντιες γραμμές. Κάθετο κινεζικό ή ιαπωνικό κείμενο και σελίδες γυρισμένες στο πλάι δεν διαβάζονται σωστά.
  • Η διάταξη δεν αναδημιουργείται. Παίρνετε αναζητήσιμο κείμενο πάνω στην αρχική σελίδα, όχι επεξεργάσιμο έγγραφο Word.
  • Στις δοκιμές μας κάποιες γλώσσες διαβάζονται με μικρότερη ακρίβεια από άλλες. Στη λίστα γλωσσών έχουν την ένδειξη «χαμηλότερη ακρίβεια».
  • Τα δεδομένα γλώσσας κατεβαίνουν την πρώτη φορά που χρησιμοποιείτε μια γλώσσα (το μέγεθος φαίνεται πριν ξεκινήσετε), οπότε εκείνη την πρώτη φορά χρειάζεται σύνδεση στο διαδίκτυο.
  • Η ανάγνωση γίνεται στη συσκευή σας, οπότε είναι πιο αργή σε παλαιότερα κινητά και πολύ μεγάλα έγγραφα μπορεί να εξαντλήσουν τη μνήμη ενός κινητού. Χωρίστε τα πρώτα σε τμήματα.
  • Τα PDF με κωδικό πρόσβασης και τα PDF των οποίων ο κάτοχος έχει μπλοκάρει τις αλλαγές δεν μπορούν να διαβαστούν.

Ερωτήσεις για το OCR

Τι είναι το OCR;

Το OCR (οπτική αναγνώριση χαρακτήρων) σημαίνει ότι τα γράμματα μιας εικόνας διαβάζονται και γίνονται πραγματικό κείμενο. Ένα σαρωμένο PDF είναι μόνο εικόνες σελίδων, οπότε δεν μπορείτε να κάνετε αναζήτηση ή αντιγραφή σε αυτό μέχρι να περάσει από OCR.

Θα αλλάξει η εμφάνιση του PDF μου;

Όχι. Το κείμενο προστίθεται ως αόρατο επίπεδο, οπότε οι σελίδες δείχνουν ακριβώς ίδιες. Στις δοκιμές μας οι σελίδες πριν και μετά είναι πανομοιότυπες, pixel προς pixel.

Ανεβαίνει το έγγραφό μου;

Όχι. Η ανάγνωση κειμένου τρέχει στο πρόγραμμα περιήγησής σας. Το μόνο που κατεβαίνει είναι τα δεδομένα γλώσσας, από το pdfMB. Το αρχείο σας δεν στέλνεται πουθενά.

Ποιες γλώσσες μπορεί να διαβάσει;

Τις 32 γλώσσες αυτού του ιστότοπου, μεταξύ των οποίων αγγλικά, ταϊλανδικά, κινεζικά (απλοποιημένα και παραδοσιακά), ιαπωνικά, κορεατικά, αραβικά, εβραϊκά, χίντι, βεγγαλικά, βιρμανικά, ρωσικά και βιετναμικά. Επιλέξτε περισσότερες αν το έγγραφο έχει ανάμεικτες γλώσσες.

Πόσο ακριβές είναι;

Σε καθαρές τυπωμένες σελίδες οι περισσότερες γλώσσες αναγνωρίζουν σωστά σχεδόν κάθε χαρακτήρα. Οι φωτογραφίες, το μικρό κείμενο και ορισμένα αλφάβητα είναι πιο δύσκολα. Δοκιμάσαμε κάθε γλώσσα και σημειώνουμε τις πιο αδύναμες ως «χαμηλότερη ακρίβεια».

Γιατί παραλείπονται κάποιες σελίδες;

Οι σελίδες που έχουν ήδη πραγματικό κείμενο, όπως όσες φτιάχτηκαν στο Word, δεν χρειάζονται OCR, οπότε μένουν όπως είναι. Τσεκάρετε το «Ανάγνωση και των σελίδων που έχουν ήδη κείμενο» για να διαβαστούν ούτως ή άλλως.

Μπορώ να πάρω μόνο το κείμενο;

Ναι. Μετά την ανάγνωση, το κείμενο εμφανίζεται κάτω από το κουμπί λήψης. Πατήστε «Αντιγραφή κειμένου» ή «Λήψη .txt» για να το αποθηκεύσετε ως απλό αρχείο κειμένου.